通过需求管理和碳中和预测实现低碳电力生产——以2035年为目标的转型经济案例分析：分解方法与LEAP学习框架的应用

《Frontiers in Sustainable Energy Policy》：Low-carbon electricity generation through demand and carbon neutrality prediction 2035 of a transitional economy: decomposition and LEAP learning approaches

　　摘要
准确预测总发电量和电力消耗量可以为发展中国家的可持续发展规划提供数据支持。研究框架包括两个阶段：发电和碳减排框架以及结构和逻辑程序。本研究开发了分解方法和长期能源替代规划系统方法，并分析了在2025-2035年期间，根据“能源愿景2035”下的电力和二氧化碳排放减排情景，包括政策实施、碳管理和强度效应。研究了六个主要驱动因素，包括低碳结构、发电强度、能源安全、能源强度、碳生产率和四十年的二氧化碳排放量。研究结果表明：(i) 低碳电力在当前阶段呈现出上升趋势，这意味着可再生能源电力结构正在发展；(ii) 碳生产因素表明，由于低碳发电的显著进步，巴基斯坦的经济正在改善，从而减少了二氧化碳排放；(iii) 电力需求情景显示，可再生能源、水力和核能是主要的贡献资源，并且正在降低二氧化碳排放；(iv) 2025至2035年的二氧化碳减排情景表明，二氧化碳排放量将减少63.40%，表明低碳电力资源可能在电力行业中产生相对效率；最后，(v) 通过制定碳减排政策和技术发展，可以确保低碳发电和脱碳的实现。

1 引言
全球气候变化日益严重，迫使各国从化石燃料转向零排放的未来。为了实现高效转型，低碳转型需要在所有地区和经济部门以前所未有的速度和规模进行（Vrontisi等人，2020年）。显然，向气候中和的转型将迫使各国进行变革。世界上许多国家已成为重工业和资源开采的中心，大大增加了碳足迹（Lu S.等人，2024年）。在这种巨大的环境压力下，低碳转型成为发展中国家实现绿色和可持续增长的关键手段（Balta-Ozkan等人，2015年）。然而，尽管对各国都有益处，但结构变化将表现为能源价格的短期到长期增长以及巨大的燃料进口（即石油、煤炭和天然气）。
作为一个发展中国家，巴基斯坦严重依赖资源型产业，这些产业占据了该国二氧化碳排放量的很大一部分（Lin和Raza，2020年）。此外，巴基斯坦在2018年的全球二氧化碳排放量中占比0.6%，位列世界第27位（国际能源署，2024年），突显了其在全球排放中的重要地位。最近，巴基斯坦不同行业（即电力、工业、交通、住宅和农业）的二氧化碳排放量分别为53.25、36.03、43.61、17.66和0.03百万吨二氧化碳（国际能源署，2024年）。由于每年从海湾地区进口大量化石燃料（88.87%），巴基斯坦的二氧化碳排放量持续增加（Bakhsh等人，2017年），这导致了二氧化碳排放量的增长。关于巴基斯坦低碳电力转型的研究在识别能源生产内部因素方面取得了显著进展，如低碳电力结构、发电强度、能源安全（ES）、能源强度（EI）、碳生产率和二氧化碳排放量。
低碳电力的发展体现了该国从工业强国向可持续增长的转变，为环保未来带来了希望。由于严重依赖石油、煤炭和天然气，导致大量二氧化碳排放，巴基斯坦自2013年以来开始扩大低碳电力产业（巴基斯坦碳氢化合物发展研究所，2024年）。如图1所示，巴基斯坦的电力生产基于四种主要来源（即水力、核能、可再生能源和热力发电），显示出稳定的增长趋势，证明了电力生产的强大贡献。最近的研究指出，到2050年，使用可再生能源（包括上述来源）每年可以减少36.9吉吨的二氧化碳排放（国际可再生能源署，2021年），其中太阳能是最丰富的能源，因为它不依赖于直射阳光。它是最具潜力的清洁能源，有望通过替代传统能源来促进国家的社会、经济和环境增长（Hao等人，2022年；Xu等人，2026年）。因此，这些能源在技术上处于领先地位，并在减少二氧化碳排放方面发挥了重要作用。

图1 1985-2024年巴基斯坦电力生产的贡献（单位：百万吨二氧化碳）

在这一层面的比较研究很少，分析通常限于单个行业或多个国家。例如，Lin和Zhou（2022年）使用熵加权TOPSIS方法估计了2000-2017年中国的人口、经济增长、城市化、产业结构和环境因素，发现所有因素都对绿色发展有显著影响。Csereklyei等人（2023年）分析了2017-2021年澳大利亚风能、太阳能和煤炭能源的煤炭收入和可再生能源生产增长，估计每增加一兆瓦时的风能和太阳能发电量会导致煤炭发电量减少。Sovacool和Valentine（2010年）使用经济、政策和核能因素的预测框架来评估中国和印度之间的因果关系，得出结论认为两国将充分发展核能能力，最终影响碳减排政策和可持续发展。Wang和Yan（2022年）使用分解分析方法确定了中国2000-2016年间各种因素（如化石燃料、ESs、EI、经济增长和二氧化碳排放）的影响，发现经济增长和人口增加了二氧化碳排放；然而，能源结构在二氧化碳排放方面没有显著变化，需要替代政策来减少碳排放。Amponsah等人（2014年）使用生命周期评估方法研究了电力生产、可再生能源技术和全球排放，发现化石燃料发电的二氧化碳排放量高于可再生能源，核能发电除外。Li等人（2024年）使用对数平均分解指数（LMDI）方法分析了1991-2020年中国电力消费、经济增长、能源效率、电力强度、燃料排放和人口因素的影响，认为经济增长和化石燃料因素促进了二氧化碳排放；然而，工业和能源结构可以减少二氧化碳排放并维持经济增长。
然而，本研究讨论了使用六个主要驱动因素和需求情景的低碳电力生产（LCEG）。为此，本研究探讨了哪些低碳电力来源与积极或消极的设计相关。在国家经济规划框架下，国家可以预测并支持相关转型并实现电力系统的脱碳。因此，本研究的核心研究问题如下：哪些低碳电力因素符合碳中和目标？LCEG的结构是什么？燃料需求及其减排预测是什么？目前，还没有研究在巴基斯坦的大样本中分析这些问题。在实证评估中，一些研究集中在电力消费的分析上，并比较了多种可再生能源和社会因素，例如Raza和Lin（2024年）、Shahbaz等人（2024年）、Khan和Abbas（2016年）以及Valasai等人（2017年）采用传统方法分析了国家和行业层面的能源、经济和二氧化碳排放之间的关系。然而，他们未能在政策分析中讨论低碳结构（LCS）、电力生产、ES、EI、碳生产率和碳排放。因此，这一问题的重要性得到了广泛认可，文献中的空白为进一步研究留下了空间。
因此，本研究的贡献如下：首先，它使用六个主要驱动因素研究了巴基斯坦的LCEG，并从能源系统的角度揭示了四十年的驱动机制，涵盖了1985年至2024年的五年国家经济规划和年度周期。这有效地填补了当前研究的主要依赖计量经济模型的空白，为经历快速工业化和城市化的巴基斯坦及相关发展中国家提供了有价值的指导。尽管巴基斯坦的低碳转型具有重要意义，但近期没有发表的实证研究分析LCEG因素之间的关联。其次，本研究强调了电力部门的重要国家影响，表明在不同因素背景和相关模型中效果存在显著差异。这一发现强调了需要根据巴基斯坦的具体特征制定脱碳政策，这对其他具有类似区域经济增长、人口和环境挑战的国家具有很大价值。第三，本研究应用了两种方法[即LMDI和长期能源替代规划系统（LEAP）（斯德哥尔摩环境研究所，2008年）。这些方法在估计不同因素的相对贡献以及能源利用的变化和未来能源的深入分析方面非常有价值。因此，为了量化电力需求预测、经济政策和二氧化碳排放，有必要预测能源需求，我们采用了LEAP模型与LMDI分解方法相结合，取得了良好的结果（Wang等人，2024年）。这两种方法的结合将提供对二氧化碳排放主要因素的深入分析，并揭示阈值效应。此外，为了预测2025-2035年的电力需求和二氧化碳排放，首先使用时间序列方法检查消费模式，这些模式被确定为五种电力消费情景下的额外减排潜力。将估计数据集中的趋势变化，该估计将适用于预测涉及各种来源的电力消费的未来值。与过去关于巴基斯坦电力相关因素和二氧化碳排放的研究相比，这些因素可以提供更全面和详细的描述，特别是在“能源愿景2035”（2014年）下减少二氧化碳排放方面，该愿景关注更多能源系统的关键问题。
本研究的其余部分安排如下：第2节描述了文献综述，第3节介绍了数据，第4节概述了使用的方法，第5节提出了实证结果和讨论，第6节提供了结论和政策建议。

2 文献综述
在现有文献中，我们发现了一些关于国家、区域和行业层面的能源和环境的研究。自Grossman和Krueger（1995年）的开创性工作以来，已经进行了许多关于经济因素与环境因素之间相互关系的研究。例如，Gong和Zhang（2024年）分析了2011-2020年中国可持续增长中数字金融的作用和机制，发现数字金融通过改变能源转型促进了农村经济增长。Raza等人（2024年）使用translog生产模型检查了印度的能源替代和非能源因素，发现资本和能源是经济增长的良好替代品。Boulanouar等人（2024年）使用环境库兹涅茨曲线（EKC）和自回归分布滞后（ARDL）方法研究了能源、经济和二氧化碳减排，发现每个因素的系数在短期内高于长期。Tachega等人（2024年）使用SMB-DEA和PMG-ARDL方法研究了2010-2018年非洲的能源、经济和二氧化碳减排，发现传统能源和可再生能源的增长率分别为89%和58%。此外，二氧化碳排放的原因也受到了广泛关注。例如，Acheampong（2018）使用面板自回归方法研究了1990-2024年间116个国家经济增长、排放和能源消费之间的因果关系，但他们发现二氧化碳排放导致了经济增长。Saidi和Hammami（2015）使用GMM面板模型分析了1990-2012年间58个国家经济增长和二氧化碳排放的影响，发现经济增长对能源使用和二氧化碳排放有积极影响。Saboori和Sulaiman（2013年）使用ARDL方法研究了1971-2009年东盟国家的情况，发现所有国家的能源和二氧化碳排放之间存在显著关系。因此，基于在各个国家和地区层面获得的几项研究结果，应该推动能源革命以促进能源的可持续利用，这将有助于稳定预测模型和未来框架，从而实现可持续发展。在实证文献中，多项研究（例如，Lu S.等人，2024年；Hammond和Norman，2012年；Chong等人，2019年；Ozdemir，2023年；Raza和Lin，2024年；Huang，2020年）探讨了1978年至2020年间能源强度（EI）、二氧化碳排放量（CO2 emissions）、国内生产总值（GDP）、人口、总能源、工业能源消耗和居民能源使用等因素之间的关系。这些研究使用计量经济学方法表明能源与社会指标之间存在动态关系（见表1）。此外，还有多项研究对多个国家的未来能源相关二氧化碳排放量进行了情景分析。Gan等人（2013年）对马来西亚到2035年的低碳社会进行了定量分析，他们估计替代方案将提升各行业的技术和能源效率，同时减少二氧化碳排放。

表1
作者 国家/地区 时期 方法 因素 结论
Hammond和Norman（2012年） 英国 1990–2007年 LMDI-I 工业结构、能源强度、燃料和电力产生的排放 在制造业中，能源强度对提高电力效率起着关键作用
Chong等人（2019年） 马来西亚 1978–2014年 LMDI和能源分配分析 人口、GDP和总能源消耗是影响碳排放变化的主要因素；然而，能源效率和电力供应的贡献减少了二氧化碳排放
Lu S.等人（2024年） 世界资源型城市 2012–2019年 耦合协调和技术因素 当地工业结构有助于提高碳效率；但区域外的技术对进展没有直接影响
Ozdemir（2023年） 土耳其 1990–2020年 Tapio脱钩和LMDI方法 人口和电力强度对二氧化碳排放有负面影响；因此，新的能源政策可以支持减少化石燃料的使用
Raza和Lin（2024年） 巴基斯坦 1992–2021年 分解、Tapio和缓解方法 碳和化石燃料贸易、化石燃料强度、电力财务因素 燃料强度是增加二氧化碳排放的主要因素，而可再生能源是减少二氧化碳排放的因素

最近，全球极端天气事件的增加重新引发了人们对减少二氧化碳排放需求的关注。在研究这一主题时，研究人员集中预测二氧化碳排放量，以衡量社会经济发展对气候变化的影响。Ouedraogo（2017年）使用LEAP模型研究了2010年至2040年不同战略下的能源需求和碳排放。Song等人（2007年）分析了韩国在当时的经济和环境政策下的化学吸收情况，发现这些能源相关政策有助于减少二氧化碳排放。McPherson和Karney（2014年）研究了巴拿马电力行业的长期情景替代方案，发现电力构成、边际成本、全球变暖和资源多样性在不同发展路径下都有预测。Nieves等人（2019年）分析了哥伦比亚直到2030年和2050年的能源需求和温室气体（GHG）排放，估计经济增长和各部门的技术替代将在积极情景下更有效地减少二氧化碳排放。Huang等人（2023年）使用LEAP和LMDI方法确定了2000年至2060年中国二氧化碳排放与能源消耗之间的关系，预测二氧化碳排放将在2028年达到峰值，然后在2060年实现碳中和。最后，Wang等人（2024年）使用LMDI和LEAP方法预测了甘肃省2030年之前的二氧化碳排放量，并在2060年实现碳中和。他们提出，要在2030年前实现碳中和，需要从2020年起将能源强度（EI）降低29.53%，同时分别提高电力利用和绿色能源发电量46.37%和64%。因此，到2060年可以减少123.84百万吨的二氧化碳排放。

最近，全球极端天气事件的增加重新引发了人们对减少二氧化碳排放需求的关注。在研究这一主题时，研究人员集中预测二氧化碳排放量，以衡量社会经济发展对气候变化的影响。Ouedraogo（2017年）使用LEAP模型研究了2010年至2040年不同战略下的能源需求和碳排放。Song等人（2007年）分析了韩国在当时的经济和环境政策下的化学吸收情况，发现这些能源相关政策有助于减少二氧化碳排放。McPherson和Karney（2014年）研究了巴拿马电力行业的长期情景替代方案，发现电力构成、边际成本、全球变暖和资源多样性在不同发展路径下都有预测。Nieves等人（2019年）分析了哥伦比亚直到2030年和2050年的能源需求和温室气体（GHG）排放，估计经济增长和各部门的技术替代将在积极情景下更有效地减少二氧化碳排放。Huang等人（2023年）使用LEAP和LMDI方法确定了2000年至2060年中国二氧化碳排放与能源消耗之间的关系，预测二氧化碳排放将在2028年达到峰值，然后在2060年实现碳中和。最后，Wang等人（2024年）使用LMDI和LEAP方法预测了甘肃省2030年之前的二氧化碳排放量，并在2060年实现碳中和。他们提出，要在2030年前实现碳中和，需要从2020年起将能源强度（EI）降低29.53%，同时分别提高电力利用和绿色能源发电量46.37%和64%。因此，到2060年可以减少123.84百万吨的二氧化碳排放。Liya和Jianfeng（2018年）使用LEAP分析研究了2012年至2050年中国基于各种电力资源的环境和经济影响，发现天然气情景优于碳捕获情景。Wakiyama和Kuramochi（2017年）使用ARMA模型预测了日本住宅部门的二氧化碳排放，确定日本可以在2030年减少电力利用和二氧化碳排放，这超过了日本2020年后的减排目标。此外，Fang和Yang（2025年）使用LEAP模型分析了2023年至2060年长江三角洲的中长期能源需求，发现低碳能源将在2029年后取代现有能源。Lu L.等人（2024）使用LEAP模型确定工业园区的温室气体排放量将在2020年至2040年间减少17%–30%。Shahid等人（2025）预测了巴基斯坦到2041年的燃料需求，发现增加对清洁能源和国内资源的依赖而非进口燃料将有助于实现可持续发展目标（SDGs）。El-Sayed等人（2023）估计了2020年至2050年埃及的能源组合情况，确定低碳情景的长期生产成本低于天然气、核能和其他燃料。最后，Huang等人（2023）使用LEAP和分解分析研究了中国的二氧化碳承诺，从2030年到2060年。根据他们的研究，预计排放量将在2028年上升，中国需要减少约2000百万吨的二氧化碳排放；而其他情景预测中国将无法实现其碳中和目标。因此，可以得出结论，大多数早期研究关注能源、环境和经济增长因素，对特定行业或国家的预测有限。一些研究讨论了可再生能源或低碳电力的能源效率，使用了有限的因素，例如二氧化碳排放、GDP、总能源消耗（TEC）、能源强度（EI）和能源生成；然而，在巴基斯坦，低碳电力结构、电力强度和碳排放很少被用作驱动因素，尽管这些因素可能对二氧化碳排放有显著影响。关于因素关系和二氧化碳排放的讨论在文献中没有提供数据；因此，本研究旨在通过分析LCS、电力生成强度（ES）、能源强度（EI）、碳生产力（Carbon Productivity）和二氧化碳排放因素对巴基斯坦LCEG的影响来填补这一空白。

3 数据收集
本研究使用了四十年的年度时间序列数据（1985–2024年）。鉴于数据的最新可用性，我们重点关注了六个主要变量，包括LCEG、总发电量（TEG）、总能源生产（TEC）、GDP和二氧化碳排放（CO2 emissions）。研究使用了2013年至2024年的实际情景数据，然后预测到2035年的可再生能源愿景。与发电量、能源生产和能源消耗相关的数据来自巴基斯坦碳氢化合物发展研究所（2024年）的不同年度报告。所有能源相关数据以百万吨油当量（Mtoe）为单位组织。与GDP相关的数据来自世界发展指标（2025年），并以十亿美元（Billion $）为单位组织。与二氧化碳排放相关的数据来自BP世界能源统计回顾，以公吨（Mt）为单位组织。表2展示了所有变量的描述，包括平均值、中位数、最大值、最小值、标准差、偏度、峰度、观测值和单位。分析考虑了主要变量的变化，其中GDP、CO2和TEP在所有变量中的排名最高，表明工业化程度较高。所有变量的偏度均为正，表明右尾。LCEG和TEG在所有估计中的排名最低，反映了其较低的强度。正峰度意味着因素具有更尖锐的峰值和更重的尾部，与正态分布相比。这些差异强调了差异化政策和脱碳目标的必要性。

表2
变量/指标 LCEG TEG TEP TEC GDP CO2
平均值 2.51 566.5 313 49.5 625.1 676 167.9 300 119.9 162
中位数 2.32 806.5 197 32.4 605 483 138.7 123 117.2 88
最大值 5.90 761 11.8 496 66.1 179.6 163 74.8 903 124 941
最小值 1.14 501 1.97 381 12.7 358 1.54 633 1.14 493 853
标准差 1.15 12 2.96 40 15.7 289 2.48 51 119.7 317 50.4 655
偏度 1.18 0 0.22 32 0.39 34 0.32 81 0.06 52
峰度 4.08 51 1.95 47 1.98 83 1.91 45 1.63 80 1.78 63
观测值 40 40 40 40 40 40
单位 Mtoe Mtoe Mtoe Mtoe Billion $ Mt

变量描述：
LCEG包括通过水力、核能、风能、生物燃料和光伏太阳能产生的电力。TEG是通过热能、水力、核能、风能、生物燃料和光伏太阳能产生的总电力。TEP是煤炭、石油、天然气、液化石油气（LPG）和电力的总和，包括进口能源。TEC是热能、水力、核能、可再生能源和辅助能源消耗的总和。GDP是总体国内生产总值，CO2排放是根据IPCC指南计算的二氧化碳排放量。

此外，巴基斯坦的LCEG和碳减排潜力最近发生了变化。研究框架提供了因素分解及其估计，这对于讨论每个因素的影响至关重要。研究框架如图2所示。

图2
巴基斯坦的电力生产和碳减排框架

4 方法论和情景
4.1 LMDI分解方法
在LCEG和二氧化碳排放的背景下，关键驱动因素通过使用LMDI方法进行测量。为了理解电力生产的影响，我们根据Ang等人（1998年）的方法开发了一种新的理论分解分析方法。在本研究中，我们使用LMDI和加法方法来研究低碳电力及其在不同层面和维度上的因素影响。这些估计可以用来近似各种指标的影响，为政府和政策制定者提供有用信息。因此，本研究分析了巴基斯坦在五年经济规划期内的国家电力生产和减排潜力。另一方面，技术进步也在提高LCEG的效率，以减少二氧化碳排放并提高能源效率。LMDI方法已被广泛用于研究影响能源利用、社会因素和二氧化碳排放的因素（Ang，2004年）。电力是一个重要来源，电力生产和社会经济因素之间存在一定程度的替代效应，例如经济增长和环境。因此，在分析电力生产因素时不能忽视内部结构和电力可持续性。这种方法有几个优点；例如，它可以用来评估多个问题而不会产生残差问题，可以轻松解释，并且便于应用。因此，许多研究以不同的方式使用了这种方法，例如Zhang等人（2013年）和Li等人（2024年）研究中国的电力和二氧化碳排放；Moutinho等人（2015年）研究东欧、西欧、北欧和南欧；以及Tang等人（2024年）研究巴基斯坦的煤炭和经济发展。鉴于上述讨论，分解方法适合开发用于衡量低碳电力系统减排策略的新框架。因此，该方法将影响因素分解为六个主要影响因素：LCS、电力生成强度（ES）、能源强度（EI）、碳生产力（Carbon Productivity）和二氧化碳排放（CO2 emissions）。使用Kaya（1990年）的方法，添加到低碳电力和碳减排的因素可以如下方程式分析：
LCEGt = ∑iLCEGt = t∑iLCEGt × TEGt × TEPt × TECt × GDPt × CO2t
(1)
其中LCEGt、TEGt、TEPt、TECt、GDPt、CO2t和t分别代表低碳电力生产、总发电量、总能源生产、总能源消耗、国内生产总值、二氧化碳排放和时间。根据方程式（1），影响因素可以描述为：
t = ∑iLCSt × EGIt × ESt × EIt × CO2Pt × Ct
(2)
其中LCSt、EGIt、ESt、EIt、CO2Pt和Ct分别代表低碳结构、电力生成强度、能源安全（ES）、能源强度（EI）和碳生产力（Carbon Productivity）。此外，模型中的每个因素都包含了政策措施所需的假设。第一个因素LCSt = LCEGt / TEGt，表明如果数值较高，则低碳电力结构将得到增强。第二个因素EGIt = TEGt / TEPt，表明较高的可再生能源发电强度将是有益的。第三个因素ESt = TEPt / TECt，称为能源安全（ES）。如果ESt的数值较高，则LCEGt的效果将达到最大。此外，ESt对可再生能源的贡献突显了国家的能源自给自足，表明正值表示能源生产过剩，加强了ESt和可再生能源倡议。因此，评估可再生能源效率对于实现碳中和至关重要。第四个因素EIt = TECt / GDPt，称为能源强度（Energy Intensity）。较低的EIt值更受青睐。第五个因素CO2Pt = GDPt / CO2t，称为碳生产（Carbon Production）。如果CO2Pt的数值较高，则将在最小污染的情况下实现最大经济增长。第六个因素Ct称为碳排放因素（Carbon Emission Factor）。如果数值较低，则表明绿色发展正在进展，这也表明燃料效率和技术改进适用于减少二氧化碳排放。因此，采用LMDI方法，从基准年（1985年）到目标年（2024年）LCEG的变化估计为ΔLCEGt=LCEGt?LCEG0=ΔLCEGLCS+ΔLCEGEGI+ΔLCEGES+ΔLCEGEI+ΔLCEGCO2P+ΔLCEGC。其中Δ表示LCEG整体增长的变化。然而，ΔLCEGLCS、ΔLCEGEGI、ΔLCEGES、ΔLCEGEI、ΔLCEGCO2P和ΔLCEGC分别表示低碳结构、电力生成强度、能源效率（ES）、能源强度（EI）、碳生产率以及碳排放的影响。因此，每个因素的分解效果如方程4-10所示：

ΔLCEGLCS=∑(LCEGt?LCEG0)(lnLCEGt?lnLCEG0)×ln(LCStLCS0)
ΔLCEGEGI=∑(LCEGt?LCEG0)(lnLCEGt?lnLCEG0)×ln(EGItEGI0)
ΔLCEGES=∑(LCEGt?LCEG0)(lnLCEGt?lnLCEG0)×ln(EStES0)
ΔLCEGEI=∑(LCEGt?LCEG0)(lnLCEGt?lnLCEG0)×ln(EItEI0)
ΔLCEGCO2P=∑(LCEGt?LCEG0)(lnLCEGt?lnLCEG0)×ln(CO2PtCO2P0)
ΔLCEGC=∑(LCEGt?LCEG0)(lnLCEGt?lnLCEG0)×ln(CtC0)

然而，综合的LCEGt代表了可变性的总量，如方程10所示：

LCEGt=(LCEGt?LCEG0)(lnLCEGt?lnLCEG0)(ln(LCStLCS0)+ln(EGItEGI0)+ln(EStES0)+ln(EItEI0)+ln(CO2PtCO2P0)+ln(CtC0)

4.2 LEAP模型估计
我们整合了LEAP和LMDI方法，对这些排放因素进行了深入分析。该研究应用LEAP模型来衡量巴基斯坦电力部门的电力需求和二氧化碳减排潜力。当前研究中使用的LEAP-Pakistan模型考虑了各种燃料（即TEC、水力、核能、热能和可再生能源）下的电力需求以及每种燃料类型的二氧化碳减排潜力。分析涵盖了2013年至2035年的时期。分析的主要组成部分是预测期间与电力相关的各种燃料和二氧化碳减排情况。每个阶段都包括能源替代和效率的过程。为此，我们采用了三种情景，即电力预测[也称为“一切照旧”（BAU）情景、低需求情景和高需求情景。LEAP模型是一个能源环境工具，由斯德哥尔摩环境研究所（Stockholm Environment Institute, 2008）开发，用于衡量物理、经济、环境和技术倡议的影响。该模型提供了关于技术特性、价格、当前实践和能源生产的广泛信息（Jun等人，2010；?zer等人，2013）。作为一个完整的能源核算框架，它同时考虑了需求侧和供应侧的技术，并考虑了整个系统的效应。因此，LEAP模型解释了在选定的能源变量（如水力、可再生能源、核能和热能）的限制下，能源是如何被利用、替代和产生的。该方法基于自下而上的电力生成模拟过程，涉及各种燃料的产能和容量因子。根据2035年的二氧化碳减排情景，可以基于低碳能源生成进行估算。因此，年度总电力生产（G）分析将每种燃料分解，如下方程11所示：

Gyear=n∑igi

其中i是燃料类型，n代表用于电力生成的能源，gi是来自燃料i的总电力生成量。此外，gi的初级电力需求是通过每单位电力消耗的电力生产（Mtoe）的方法估算的，如方程12所示：

(EC)i=∑i(gi*0.0000010)/φi

其中EC是燃料i的电力消耗量（单位为Mtoe）。(EC)h、(EC)t、(EC)n和(EC)r分别表示水力、热能、核能和可再生能源的电力消耗量。φi是燃料i的效率（%），0.0000010用于单位转换，因为1Toe = 0.0000010 Mtoe。因此，在不同情景下，各种生产和消费燃料类型的电力需求结果各不相同。LEAP模型中的逻辑结构如图3所示。该框架基于基准情景、高需求情景和低需求情景。该过程可以概括为四个主要步骤：根据需求预测的电力生产、电力类型、与燃料相关的二氧化碳排放和碳减排潜力。

图3 LEAP模型的结构和逻辑流程。

4.3 2035年电力需求和二氧化碳减排模式的情景标准
2035年的电力需求模式情景是在假设巴基斯坦电力需求减少潜力的前提下确定的，如表3所示。表3显示了从基准年2013年到当前年份2035年的四种与能源相关的情景（即TEC情景1、TEC-BAU、TEC-低需求和TEC-高需求情景）。除了BAU情景外，还基于与低碳能源转型倡议一致的现代能源服务的普遍获取，开发了三种不同的情景。二氧化碳减排情景是为了评估巴基斯坦“可再生能源愿景2035”倡议下的污染减少情况。目的是为了看到减排潜力；因此，采用了低减排情景。这些情景揭示了未来的消费模式，以及如何通过建立五种与电力相关的情景，在2013年至2035年间维持或减少电力燃烧水平。表3给出了更详细的描述。

表3 情景名称 情景描述
TEC情景1 使用2013年至2035年的电力趋势。在“2035愿景”下，分析了从基准年2013年到预测年2035年的长期趋势。
TEC（BAU） 从2013年到2024年和2025年到2035年的TEC基准水平，长期预测的显著性水平为5%。基准年和预测趋势包括水力、热能、核能和可再生能源电力。
TEC（低需求） 从2013年到2024年的最低需求预测情景，显著性水平为5%，以找出每种燃料的趋势。
TEC（高需求） 从2013年到2024年的长期预测，显著性水平为5%，以找出使用电力生成燃料的最大趋势。
二氧化碳减排情景 CO2（EC）i（BAU） 二氧化碳减排情景：CO2（EC）i（BAU）。该情景假设当前电力消耗情况。2013-2024年期间的二氧化碳排放强度。预测阶段从2025年持续到2035年。
CO2（EC）i（低减排） 对未来电力的共同净需求预测在不同情景中保持不变，每个情景的个别电力消耗得到确认。“2035愿景”发展议程在电力消费方面维持现状，同时考虑国家和国际承诺下的技术变化。安装容量基于最高减排情景。

5 实证结果和讨论
5.1 经济规划期间LCEG的因素分解
本节提供了计量经济结果和讨论。为了获得相关结果，应用了分解和LEAP方法来检查因素效应并预测二氧化碳排放的减排潜力。从1985年到2024年，巴基斯坦的LCEG增长了4.15%，二氧化碳排放增加了3.13%。因此，有必要分析电力生成及相关因素，以研究国家的可持续性。此外，我们使用分解方法来估计与电力生成、经济增长和污染直接相关的主要驱动因素。这些因素包括低碳结构（ΔLCEGLCS）、电力生成强度（ΔLCEGEGI）、能源效率（ΔLCEGES）、能源强度（ΔLCEGEI）、碳生产率（ΔLCEGCO2P）、碳排放（ΔLCEGC）和总因素效应（ΔLCEGtotal），在经济发展规划期间（即1985-1989年、1990-1994年、1995-1999年、2000-2004年、2005-2009年、2010-2014年、2015-2019年、2020-2024年和1985-2024年）。根据方程4-9，分解结果如图4所示。

图4 基于巴基斯坦经济发展计划的低碳电力生成的因子分解分析。
图4描述了影响LCEG的各种驱动因素。显然，1985-2024年期间ΔLCEGtotal的总效应显示出415.95 Mtoe的积极影响。我们还发现，在1995-1999年期间除外，ΔLCEGtotal在规划期间有正面且显著的增长影响。这一时期的TEG减少是由于消费激增，促进了电器的使用和能源进口（发展政策研究联盟，2018）。在当前规划期间（2020-2024年），影响最大，增长率为167.68 Mtoe，对发展做出了显著贡献，而第三个规划阶段（1995-1999年）经历了-4.53 Mtoe的负增长。
ΔLCEGLCS效应显示出变化，其中2020-2024年的增长率最高，为157.20 Mtoe，表明低碳电力的贡献有所改善。最近，水力、核能、可再生能源和热能的百分比贡献分别为25.4%、8.4%和59.4%（巴基斯坦经济调查，2023-2024）。这归因于中巴经济走廊（CPEC）电力项目的启动，这些项目解决了电力生产的历史差距，并提高了可持续性。然而，在2013年之前，可再生能源并未纳入电力组合，即使是主导的电力供应来源——热能，在过去几十年中也有所下降。例如，巴基斯坦的能源部门是最大的碳排放源，最近增加了来自各种可再生能源（如太阳能、风能、生物质能）的可再生能源生产能力（巴基斯坦碳氢化合物发展研究所，2024）。它将努力满足低碳电力需求并维持巴基斯坦的经济发展。此外，该国对进口和昂贵的化石燃料的依赖强调了在燃料组合中进行替代的必要性。为此，巴基斯坦设定了到2030年减排50%的目标，清洁能源资源将在实现这一目标中发挥主导作用。
ΔLCEGEGI效应有正面和负面的波动。1985-1989年、1990-1994年和2015-2019年的乐观数据显示，电力生成效率分别提高了8.17 Mtoe、3.04 Mtoe和54.13 Mtoe。然而，我们发现最大时期由于技术发展和对进口燃料的依赖，显示出负面份额，这不仅影响了国家经济，也加剧了二氧化碳排放。从2013年开始的可再生能源时代是可再生能源增长的积极迹象，这与Raza和Lin（2022）的研究结果一致，他们表明巴基斯坦可以参与能源替代和经济发展以及燃料替代；然而，与可再生能源相关的巨大技术成本将影响实际进展。ΔLCEGES效应显示，在大多数阶段，电力生成具有最大的正面意义，除了1985-1999年、1995-1999年和2015-2019年。1990-1994年、2000-2004年、2005-2009年、2010-2014年和2020-2024年的规划期间显示，能源生产过剩，加强了能源效率和可再生能源生产。如图4所示，1985-1989年、1995-1999年和2015-2019年阶段的ΔLCEGES反映了-0.08 Mtoe、17.77 Mtoe和57.91 Mtoe的负面影响，表明与经济进步相关的EI有所减少。然而，在COVID-19疫情期间，EI（ΔLCEGEI）显示出正面影响，表明EI为负或影响较小。此外，在1985-2024年间似乎发生了积极的变化，增长了32.27 Mtoe/十亿美元，这表明巴基斯坦仍然依赖进口能源，能源投入与预期产出之间具有高效的关系。因此，结果表明，为了实现巴基斯坦的二氧化碳减排目标，建立基本的能源基础设施是必要的。
关于ΔLCEGCO2Peffect，观察到了混合趋势。前三个阶段（1995-1999年；2000-2004年和2005-2009年）的正面趋势表明，经济在减少二氧化碳排放方面有效进展。显然，自可再生能源时期（2013年）开始以来，国家的经济和污染减少显著，这与Qudrat-Ullah（2022）的研究一致，他提出巴基斯坦可以显著实现二氧化碳排放目标，电力消费者每年可以节省23%的电力费用。CO2排放（ΔLCEGC）对LCEG的影响在1985-2024年间显示出最大累计排放趋势，分别为462.90 Mt。如图4所示，所有经济时期都显示出正面波动。然而，在最近的阶段2020-2024年，二氧化碳排放减少了0.49%至35.94 Mt。总体而言，二氧化碳排放保持在462.90 Mt，并在期间对LCEG产生了积极影响。最后，可以看出，所研究的因素对于提供理解和开发低碳电力生产力的综合模型至关重要。

5.2 基于1985-2024年期间年度效应的LCEG和因素分解
为了进一步估计驱动因素的年度变化，我们检查了估计期间每个因素的影响，如图5所示。每个因素的分析为可再生能源的替代提供了混合方向。显然，由于可再生能源的贡献和本土生产，大多数因素在当前十年中显示出广泛的波动。根据巴基斯坦经济调查（2023-2024），巴基斯坦正在采取措施满足其能源需求并减少温室气体排放。例如，一些学者已经表明，巴基斯坦的电力行业是需求和供应最大的领域，能源相关的进口账单不断增加，环境问题也日益严重（Lin和Raza，2020；Tang等人，2024）。因此，政府正在积极推行CPEC计划和《巴基斯坦能源愿景2035》（巴基斯坦政府，2014）下的大规模可再生能源项目，以实现其全球（即《巴黎协定》）和当地的清洁能源目标。尽管在能源效率和二氧化碳减排方面有积极趋势，但相关因素可能有所减少，这表明向更可持续的电力消费的转型进展缓慢，尤其是在2013年之后。例如，自2000年以来，低碳电力的份额有所变化，这有助于未来减少二氧化碳排放。增加可再生能源效率、发展低碳能源组合以及提高工业生产力将有助于了解可持续性和效率。这项分析将使政策制定者、研究人员和工业界人士能够就不同方面的投资做出未来决策。

图5 低碳电力生成的年度因素效应分解

5.3 电力需求和潜在情景
电力消费是需求的主要原因。为此，我们使用了考虑情景中的电力相关指标，包括2013-2035年期间的总电力需求、水电、热能、核能和可再生能源需求。情景分析以2013年为基准年，2035年为最终年。这些数据是调查整体电力活动水平所必需的。选择2013年作为基准期，是因为可再生能源（如生物燃料、太阳能和风能）是在这一时期开始发展的（巴基斯坦碳氢化合物发展研究所，2024），这将为制定合理和进步的政府政策提供依据。所有数据都预测到2035年，以符合《巴基斯坦能源愿景2035》（2014）。此外，2023-2035年之后的额外值是根据方程式11和12估算的，其预测结果在5%的显著性水平下得出。该模型生成了三种情景并用于分析：基准情景（也称为BAU）、低需求情景和高需求情景。然而，低需求情景（也称为减排情景）假设实施了更加坚定的节能和减排措施。因此，每种燃料情景的结果在图中呈现。这些情景将有利于能源行业和政策制定者，并为技术和可持续性改进提供方向。

首先，应用了2013-2024年巴基斯坦的总电力需求（巴基斯坦碳氢化合物发展研究所，2024）作为标准，以调节总体消费份额和预测巴基斯坦电力增长的方式，如图6所示。如图6所示，2025-2035年的电力需求份额显著增长。据估计，2013年巴基斯坦的电力消费量为625万吨油当量，2024年为960万吨油当量，平均增长率为0.53%。在2025-2035年期间，电力消费份额预计将增加约0.21%，这意味着电力行业的份额持续增长。这些结果与Raza和Lin（2025）的研究一致，他们提出燃料替代和结构调整有助于发展低碳能源。这表明在低碳需求下，电力相关燃料可以进一步调整到最佳状态。

其次，总水电需求从2013年到2024年呈现锯齿状增长模式，增长率为0.31%，如图7所示。Jamil（2020）使用ARIMA模型预测了2030年的水电消费，并确定由于财务问题不会建设新的水坝，这造成了巴基斯坦水电装机容量与可用潜力之间的差距。2025-2035年水电份额的平均增长率为0.14%，表明水电随着时间的推移做出了重要贡献。历史数据显示，降水变化和水资源减少损害了河流生态，影响了水电生产（巴基斯坦经济调查，2023-2024）。通过CPEC等项目的实施，以及促进当地资源和建设小型水坝，可再生能源和水电的增长将从33%增加到62%（综合发电能力扩展计划，2022）。

第三，热能电力的情况与水电类似，2013-2024年间平均减少了0.58%，如图8所示。2025-2035年间，热能电力的份额预计将平均下降0.85%，这意味着由于可再生能源的替代，热能电力将会减少。如果考虑低需求情景，2035年热能电力将减少3%。例如，巴基斯坦政府决定增加约6000兆瓦的光伏发电能力，以快速减少能源生产带来的污染。这些结果与Tahir和Asim（2018）的研究一致，他们提出这种容量将影响电力供需，导致停电时间增加。因此，政府应激活其自然资源，包括天然气、太阳能系统、生物质能和风能，例如在国际公司的帮助下进行潜在开发。

第四，1972年，巴基斯坦是世界第15大核能生产国（巴基斯坦原子能委员会）。由于项目生命周期的原因，核能与多个项目相关，并显示出持续增长。如图9所示，2013-2024年间核能电力需求增长了4.85%，而2025-2035年间的需求将增长0.77%。这表明核能电力有最大的潜力成为未来的能源来源。例如，巴基斯坦的核电站是可靠的电力来源。这些电站可以运行更长时间，并在现场储存足够的能量，从而抵御短期和长期的变化及容量因素。根据Raza和Tang（2024）的研究，核能是清洁的，且没有温室气体排放。因此，低需求和高需求情景都显示出在此期间的增长趋势。此外，核能电力是最佳能源来源，2023年减少了约10百万吨的温室气体排放；因此，高需求情景是最佳选择（巴基斯坦经济调查，2023-2024），可以通过多个核电站得到增强。

最后，可再生能源（如太阳能、风能和生物质能）在这段时间内显示出增长趋势。如图10所示，2013-2024年间巴基斯坦的可再生能源增长了7.62%，因为巴基斯坦的能源行业正在从进口化石燃料向可再生能源过渡，例如通过大量投资太阳能和风能。这与Shakeel等人（2016）的研究一致，他们发现2013年可再生能源发电的启动旨在消除发电与消费之间的差距。基于对可再生能源的巨大投资，预计2025-2035年的平均增长率为0.75%。例如，巴基斯坦政府一直在加强监管框架，并激励私营部门投资可再生能源，以确保能源安全和减缓气候变化。此外，私营电力基础设施委员会正在简化24个发电项目，其中22个项目基于可再生能源。

5.4 2013-2035年基于燃料的二氧化碳减排情景
根据分解结果和情景分析，有必要采用碳减排情景。该建模框架用于研究和预测2013-2023年期间的能源需求和二氧化碳减排。由于能源需求的稳定增长、对燃料进口的依赖（如石油、能源技术和天然气）以及全球对能源引发的气候问题的关注，长期预测能源需求和碳减排在巴基斯坦至关重要。在这个情景中，我们将情景分为五种燃料：TEC、水电、热能、核能和可再生能源电力。采用这种情景是为了检查巴基斯坦现有电力资源的二氧化碳减排情况。这种情景非常重要，因为它在现有电力供应提供最大优势的条件下减少了二氧化碳排放。没有发电厂处于低容量运行状态，且除了热能电力外，所有低碳电力消费来源都被使用。在这个情景中，我们只考虑了减排情景（低需求情景），并描述了2023-2035年每种能源的减排情况，如表4所示。然而，显然2013-2022年的装机电力不会改变，因此除了热能电力外，由于低碳电力的容量增加，各种燃料的碳排放预计会减少（巴基斯坦碳氢化合物发展研究所-HDIP，2024）。因此，表4展示了与燃料类型相关的二氧化碳减排的主要结果。2013-2035年间，电力相关的二氧化碳排放每年减少了6.45%。然而，在预测期间，电力产量平均每年增长4.34%。例如，?zer等人（2013）使用化石燃料消费分析了土耳其的电力行业，并研究了直到2030年的预测分析。根据他们的分析，由于化石燃料消费，二氧化碳排放将增加，但通过发展可再生能源可以实现减排潜力。因此，可以说可以根据可用的可再生能源来源开发能源模型，促进能源获取，实现向更清洁能源的过渡，并减少发展中国家的污染。

表4 时间 EC(EC)h(EC)t(EC)n(EC)r 总增长率（%）
2013 0.0430 40.00188 0.0194 30.00168 0.000080.066
2014 0.0447 80.00241 0.0208 0.00156 0.000080.069
2015 0.0436 10.00311 0.0188 30.00292 0.000160.0686
2016 0.0417 30.00143 0.0195 50.00238 0.000200.06529
2017 0.0412 30.00157 0.0189 50.00334 0.000250.0653
2018 0.0445 80.00116 0.0146 60.00360.000250.06425
2019 0.0457 60.00105 0.0097 80.000300.06040
2020 0.0426 0.00142 0.0071 80.00437 0.000260.05583
2021 0.0384 20.00132 0.0071 30.00424 0.000340.05144
2022 0.0436 20.00147 0.0087 60.00598 0.000370.0602
2023 0.0168 720.0373 3?0.000200.00226 0.00436 0.000370.04412
2024 0.0445 80.00116 0.0146 60.00360.000250.06425
2025 0.0457 60.00105 0.0097 80.000300.06040
2026 0.0426 0.00142 0.0071 80.00437 0.000260.05583
2027 0.0384 20.00132 0.0071 30.00424 0.000340.05144
2028 0.0436 20.00147 0.0087 60.00598 0.000370.0602
2029 0.0168 720.0373 3?0.000200.00226 0.00436 0.000370.04412
2030 0.0445 80.00116 0.0146 60.000360.000250.06425
2031 0.0457 60.00105 0.0097 80.000300.06040
2032 0.0426 0.00142 0.0071 80.00437 0.000260.05583
2033 0.0369 9?0.00047 0.0039 10.00488 0.000430.0379
2034 0.0365 218 20.0368 2?0.00061 0.00667 0.00654
2035 0.0365 269 20.03665?0.00075 0.0093 0.00547
2036 0.0325 7?10.83 654
2037 0.0364 8?0.00088 0.000118 60.0071 30.00051
2038 0.0313 9?3.64 00220 290.0363 2?0.00102 0.00143
2039 0.0061 0.00056 0.0276 1?12.0178 82030.0361 5?0.00116 0.0077 70.00057
2040 0.0265 4?3.87 769 2031 0.0359 8?0.00129 0.0067 60.00063
2041 0.0359 8?0.00129 0.0067 60.00063 0.0228 9?13.767
2042 0.0358 1?0.00143 0.00155 0.00843
2043 0.0356 4?0.00157 0.0084 0.00069 0.0183
2044 0.0361 2052 0.0354 7?0.00170 0.0091 0.00070
2045 0.0353 1?0.00184 0.0081 30.00075 0.0138 8?20.185
2046 0.0368 2?0.00061 0.0066 70.00065 40.00045
2047 0.0365 3?3.65 269 2048 0.0366 5?0.00075 0.0093
2049 0.0054 70.00050 0.0325 7?10.83 654
2050 0.0364 8?0.00088 0.00043 0.0379 1?10.24
2051 0.0368 2?0.00061 0.0066 70.0065 40.00045
2052 0.0365 3?3.65 269 2053 0.0366 5?0.00075 0.0093
2054 0.0054 70.00050 0.0325 7?10.83 654
2055 0.0364 8?0.00088 0.00043 0.0379 1?10.24
2056 0.0368 2?0.00061 0.0066 70.00065 40.00045
2057 0.0365 3?3.65 269 2058 0.0366 5?0.00075 0.0093
2059 0.0054 70.00050 0.0325 7?10.83 654
2060 0.0364 8?0.00088 0.00043 0.0379 1?10.24

图11 展示了BAU和二氧化碳减排情景下年度二氧化碳排放的变化。如果从2025年开始最大份额的低碳电力可用，预计到2035年的二氧化碳排放将减少68.551%。例如，Sadiqa等人（2018）的研究讨论了到2050年巴基斯坦整体能源需求的电力转型路线图，发现二氧化碳排放可以显著减少100%。因此，从2025年到2035年，累计二氧化碳排放将平均减少0.026百万吨。如图11所示，首先建立了BAU情景作为基准，然后由于低碳电力消费份额的逐渐增长，建立了减排情景。如图1所示，由于电力需求的增长和二氧化碳排放的减排潜力，各种燃料的发电量都在增加。因此，巴基斯坦应实施强有力的可再生能源政策，以维持经济发展，同时减少污染和能源安全问题，满足国内和国际需求。

6 结论和政策建议
6.1 结论
本研究分析了1985-2024年巴基斯坦的主要电力生产和二氧化碳排放情况，使用了LMDI和LEAP模型。基于实证分析，主要结果如下：
首先，通过分解分析，将六个主要因素（即低碳结构、电力生成强度、能源安全、能源效率、碳生产率和二氧化碳排放）划分为五年经济规划期，然后每年分析所有因素的影响。结果表明，综合LCEG的影响正在上升；特别是在当前规划期内，这种影响是积极且持续的。同样，2020-2024年间低碳结构因素取得了显著成果，对国家的经济发展和环境产生了重要影响。电力生成强度和能源安全表明了技术进步；然而，能源效率的负面影响对能源技术有显著影响。这证明巴基斯坦可以在能源领域采用技术来应对能源安全问题、减少二氧化碳排放和实现经济可持续性。碳生产效应表明，由于LCEG的显著进步，巴基斯坦的经济正在改善，从而降低了二氧化碳排放。因此，在当前阶段观察到了明显的减少，减少了23.77%，这表明巴基斯坦致力于履行《巴黎协定》和《2035愿景》（2014年）等可再生能源协议。其次，基于电力需求的情景分析显示，在基准情景和高需求情景下，总电力需求、核能发电和可再生能源发电量都在增加。这保证了低碳电力将持续增长，并可能成为该国能源安全的一个因素。最后，各种电力来源对减少二氧化碳排放做出了重要贡献。由于巴基斯坦是一个发展中国家，且严重依赖化石燃料，因此无法完全消除基准情景下的二氧化碳排放。然而，我们估计在2013年至2035年间，通过采取减排措施，每年可以减少6.45%的排放量，同时电力需求将以4.34%的速度增长。因此，本研究为政策制定者提供了相关依据，以便制定国家和国际层面的政策，以减少巴基斯坦电力行业的长期二氧化碳排放，这些政策可以在环境讨论中加以探讨。

6.2 政策建议
首先，根据当前的研究结果，我们发现低碳电力结构有助于提高能源效率。因此，政府应重视并鼓励对可再生能源技术的长期投资以及水力发电大坝的重建，这最终将提高能源效率并减少污染。例如，有250个工程结构（包括大坝、池塘、溢洪道和排水系统）正在考虑中，可以利用这些设施来提高电力效率。
其次，情景分析表明，通过使用低碳电力，巴基斯坦到2035年可以减少6.45%的二氧化碳排放。为此，可以通过各种电力消费部门增加能源效率措施，或者用低碳电力资源（如水力、核能、风能、生物燃料和光伏太阳能）替代化石燃料发电，以实现《巴黎协定》中提出的本世纪下半叶净零排放的目标。
最后，我们尚未找到关于低碳电力成本或行业信息的数据。因此，需要进一步研究并比较不同情景下的成本和行业进展。能源模型有助于监测能源指标、衡量能源消费的时间效应，并评估可持续发展目标的实现情况。此外，能源预测模型利用机器学习技术，重点关注可再生能源、负荷和成本预测。这些预测模型将用于制定政策，其中包含外部输入因素（如人口、收入、增长因素和技术），以衡量能源利用模式。同时，为了评估《2035能源愿景》下当前情景的额外减排潜力，还需要进一步研究其他行业和整体能源需求的减排潜力。此外，电力需求预测基于经济增长和人口因素，因此这些因素可能会提供更准确的结果。